[發明專利]一種基于LSTM網絡的多變量物流貨運量預測方法

在審

• 申請號: 202010146726.1
• 申請日: 2020-03-05
• 公開（公告）號: CN111563706A
• 公開（公告）日: 2020-08-21
• 發明（設計）人: 鄭長江;鄧夕貴;趙孝進;楊濤;杜牧青;王榮;封學軍;謝守鵬;雷智鹢;翁志偉;蔣柳鵬;陳亮;王兆恒
• 申請（專利權）人: 河海大學;中國港灣工程有限責任公司
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06N3/04;G06N3/08;G06Q10/04;G06Q10/06
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 羅運紅

1.一種基于LSTM網絡的多變量物流貨運量預測方法，其特征在于：該方法包括以下步驟：

(1)選取被預測對象的m個影響因素X′₁,X′₂,…,X′_m作為預測模型評價指標，進行相關性分析后篩選評價指標，確定評價指標中的自變量X₁,X₂,…,X_n，因變量物流貨運量Y，m＞n；獲取篩選后的評價指標對應的數據集；

(2)對數據集中自變量X₁,X₂,…,X_n和因變量Y的原始數據序列中包含的錯誤數據或數據缺失情況進行更正，對更正后的數據進行預處理；將數據集劃分訓練集和測試集；

(3)確定用于物流貨運量預測的LSTM模型結構，設置LSTM模型初始參數值；使用訓練集對LSTM模型進行訓練，得到訓練后的LSTM模型；

(4)使用測試集對訓練后的LSTM模型進行預測效果評估，當誤差滿足預期或達到模型訓練迭代次數，停止訓練，確定模型參數；否則，繼續訓練模型直至滿足預期；

(5)模型訓練完畢后，輸出殘差曲線及物流貨運量當前的真實值和測試擬合值數據信息，對數據進行反歸一化，將預測結果數據轉換為與原始數據相同數量級的預測值。

2.根據權利要求1所述的一種基于LSTM網絡的多變量物流貨運量預測方法，其特征在于：所述步驟(1)，影響因素基于預測對象社會發展現狀進行選擇，分為物流發展常規相關因素，推動物流發展因素，延緩物流發展因素三類；所述物流發展常規相關因素包括地區經濟總量、進出口總額；所述推動物流發展因素包括基礎設施投資額；所述延緩物流發展因素包括自然災害損失額。

3.根據權利要求1所述的一種基于LSTM網絡的多變量物流貨運量預測方法，其特征在于：所述步驟(2)，更正后數據預處理過程具體如下：

(2a)將數據集中時間序列數據Y(u-1),X₁(u-1),X₂(u-1),…,X_n(u-1)轉化為監督學習格式的時間序列Y_k(u)，u表示年份，u∈[u_min,u_max]，u_min,u_max分別為最小與最大年份；

(2b)對監督學習格式的時間序列Y_k(u)進行歸一化處理，將數據序列映射到[0,1]區間，得到歸一化后的時間序列Y_k′(u)；

(2c)以模型訓練速度最快或預測精度最高為模型訓練目標，將歸一化后的數據集Y_k′(u),u∈[u_min,u_max]劃分為訓練集和測試集。